混沌系统基于T-S模糊模型的控制方法

将模糊控制技术应用于混沌控制中，可以克服反馈线性化等传统方法对参数完全精确已知的限制；用T-S模糊系统来逼近非线性系统，它的IF-THEN规则后件由线性状态空间子系统构成，进而可以应用模糊系统的控制理论求得模糊控制器，用此非线性控制器来控制非线性系统，以求良好的控制效果；模糊规则后件部分以局部线性方程形式给出的T-S模糊模型可以通过调整相关参数很好地逼近混沌系统，基于该模型采用平行分散补偿技术设计出具有相同规则数目的模糊控制器，控制器所有参数可以通过求解一组线性矩阵不等式一次性得到。仿真结果验证了该方法的有效性。     

含非线性输入的非线性系统自适应模糊控制

讨论一类含非线性输入的非线性系统的自适应模糊控制问题。首先运用隐函数存在定理证明系统的理想控制器的存在性,利用I型模糊逻辑系统对该理想控制器进行在线逼近,提出了一种具有监督器的自适应模糊滑模控制器设计的新方案。该方案通过直接自适应模糊控制器与监督控制器的适当切换,保证了闭环系统的稳定性,由此确定出建模的有界区域,而且通过引入最优逼近误差的自适应补偿项,保证跟踪误差收敛到零。仿真结果表明了该方法的有效性。     

基于Niche的间接T-S模糊自适应控制

提出了新的基于生态系统的Niche间接T-S(Takagi-Sugeno)自适应模糊控制,将含有参数的生态位贴近度函数作为模糊规则的后件,从而构成零阶的T-S模糊控制模型。采用Lyapunov合成方法设计控制器,并使用梯度下降法优化后件参数,最后得到了后件参数的自适应律,体现了生物个体的自适应能力,引入了生态位的模糊系统具有生物个体始终朝着有利于自身方向发展的特性。因此,所建立的模糊T S系统具有更好的自适应性,可以获得更小的变动跟踪误差,并保证整个闭环系统全局稳定性。通过对生态系统的二维捕食系统的仿真验证了本方法的可行性。     

一种基于模糊神经网络的自适应模糊辨识方法

基于改进的T-S模型，提出一种自适应模糊神经网络模型(AFNN)。首先，基于模糊竞争学习算法确定系统的模糊空间和模糊规则数，并得出每个样本对每条规则的适用程度。其次，利用卡尔曼滤波算法在线辨识AFNN的后件参数。AFNN具有结构简洁，逼近能力强，能够显著提高辨识精度，并且辨识的模糊模型简单有效。最后，将该AFNN用于非线性系统的模糊辨识，仿真结果验证了该方法的有效性。     

基于观测器和小增益定理的自适应模糊控制

针对一类不确定非线性系统,利用输入到状态实际稳定理论(ISpS)、小增益定理,结合T-S模糊逻辑系统在线逼近系统的未知函数,在状态向量不完全可测的情况下,提出一种基于观测器的直接鲁棒自适应模糊控制的新方法。理论分析证明了闭环系统半全局一致终结有界,只有两个参数需要在线调节,同时避免了在一些自适应控制中由于采用线性反馈技术而可能引起的控制增益的奇异问题。仿真结果表明了该方法的有效性。     

基于模糊观测器的离散混沌系统的自适应同步

针对不确定性离散混沌系统,进行了T-S模糊建模和模糊观测器设计,实现了混沌系统的同步。运用Mamdani型模糊逻辑系统对驱动系统的不确定项进行建模,进而得到不确定性参数的自适应估计。根据状态观测器的设计思想,进行了模糊观测器的设计,在此基础上,结合Lyapunov稳定性定理进行稳定性分析,得到了控制器的表达式,同时保证了同步误差系统的渐近稳定。仿真结果验证了方法的有效性。     

一类非仿射受扰混沌系统的自适应模糊控制

针对一类带非仿射输入的不确定受扰混沌系统,提出了带监督控制项的自适应模糊控制。该方法采用模糊逻辑系统逼近虚拟控制中的未知函数,仅要求逼近误差范数有界。模糊参数采用σ自适应律,并给出参数的有界性证明。构造Lyapunov函数证明闭环系统所有信号一致有界,跟踪误差一致渐进稳定。将Duffing-Holmes系统、Genesio系统和Sprott电路混沌系统作为仿真对象,仿真结果验证了算法的有效性。     

不确定非线性系统变结构模糊自适应鲁棒控制

考虑一类不确定非线性系统的鲁棒控制器设计问题,在假设系统不确定性函数结构未知的情况下,利用模糊系统对不确定性函数进行逼近,将获得的模糊系统函数作为系统不确定性界函数。在此基础上,提出了一种变结构模糊自适应鲁棒控制算法,该算法在确保系统的滑动模态超平面为渐近可达的前提下,在线对系统模型的控制增益参数和不确定性函数的界参数进行估计。最后以船舶减摇鳍非线性控制系统为例,进行了变结构鲁棒自适应模糊控制器的设计。仿真研究表明,所提出的算法是有效的。     

混沌系统模糊自适应采样同步控制研究

主要针对两个具有参数未知的模糊混沌系统设计模糊自适应采样控制器,并利用 Lyapunov稳定理论和线性矩阵不等式技术获得系统控制器的增益,实现了一类参数未知模糊混沌同步.设计的自适应采样同步控制器与同类控制器相比更适合计算机控制实现,拥有更广阔的应用前景.仿真结果表明所提出的控制方法是有效的.     

时变时滞不确定系统模糊自适应H∞控制

针对含非线性和干扰项的时变时滞系统鲁棒稳定问题,提出一种模糊自适应H_∞控制方法。采用T-S模糊系统对未知非线性函数向量进行逼近,设计自适应全调节律,即同时调整模糊参数矩阵和基函数参量。对于逼近产生的误差和外界干扰,引入H_∞控制。基于李亚普诺夫稳定性理论和线性矩阵不等式技术,在保证系统稳定的前提下,通过求解矩阵不等式得到满足设计要求的控制器。通过对已有算例和空天飞行器高超声速飞行控制系统的仿真验证了所提方案的有效性。     

一类不确定非线性系统的自适应模糊控制

对一类不确定非线性系统提出自适应模糊控制方法。此方法用模糊逻辑系统设计自适应模糊监督控制器和自适应模糊控制器,且设计补偿器对逼近误差进行补偿,以此来减少逼近误差对跟踪精度的影响,同时对自适应模糊监督控制器和自适应模糊控制器中的未知参数设计了自适应学习律。证明了该方法不但能保证闭环系统稳定,而且可使跟踪误差收敛到原点的邻域内。仿真结果验证了此方法的有效性。     

参数未知的不同结构混沌系统的自适应同步

针对一类混沌系统，研究了参数未知的不同结构混沌系统的自适应同步问题。基于Lyaponuv稳定理论，给出了自适应同步控制器的系统设计过程，以及同步控制器和参数自适应律的解析表达式。对于两个参与同步的不同结构的混沌系统，只要其维数相等且状态变量可测，就可以利用所提出的控制策略达到全局渐近同步。方法简单，无需试凑。以Lorenz系统和Lu系统的自适应同步控制为例，说明了该方法的有效性。     

一类非线性MIMO系统的自适应模糊输出反馈控制

针对一类多输入多输出非线性系统设计了自适应模糊观测器和控制器。该方法不需要系统状态完全可测的条件，而是通过自适应模糊观测器估计系统的状态。采用基于状态估计的模糊基函数模型的模糊逻辑系统逼近非线性函数，并对模糊建模误差和外扰的存在采用了鲁棒补偿控制项以保证良好的观测与跟踪性能，该控制器保证了跟踪误差和观测误差的一致最终有界性。仿真结果表明所提出的方法具有良好的观测效果与跟踪效果。     

新型超混沌系统的改进自适应广义投影同步

基于Lyapunov稳定性理论,设计合适的非线性控制器以及参数更新规则,实现一类混沌系统以及超混沌系统的改进自适应广义投影同步。该方法可以使得驱动系统和响应系统渐近地达到所有对应状态向量,按照不同的比例进行同相位或者反相位投影同步,同时既可以对响应系统中的未知参数进行辨识,也可以对驱动系统中的未知参数进行辨识,当然,该方法也可以适用于不包含未知参数的混沌系统广义投影同步。以新型的四维超混沌Lorenz系统和超混沌Chen系统为例,数值模拟结果表明了所设计控制器的有效性。     

Rossler系统与统一混沌系统的异结构同步

针对异结构混沌系统的同步提出了两种不同的同步方案,研究了两个不同结构的混沌系统:Rossler系统与统一混沌系统的同步。系统参数已知时采用主动控制方法,通过设计适当的主动控制器,实现了响应系统与驱动系统的渐近同步;系统参数不确定或未知时采用自适应控制方法,基于李亚普诺夫稳定性理论,得出了两异结构混沌系统同步的充分条件,设计了相应的控制器和参数自适应律,使得响应系统的状态变量渐近跟踪驱动系统的状态变量,且两个系统的参数估计值渐近收敛于其真值,仿真结果证明了两种方案的有效性。     

统一混沌系统自适应同步控制

针对统一混沌系统的自适应同步控制问题,设计了两种控制器:Backstepping控制器和非线性反馈控制器。利用Lyapunov方法证明了应用Backstepping方法和非线性反馈设计控制器能够使统一混沌系统达到渐近同步,为在保密通信领域中的应用奠定了基础。这两种控制器能够实现多种混沌的同步,而且具有很强的抗干扰性能和鲁棒性。其中,非线性反馈控制器对参数未知的统一混沌系统也能进行有效地同步控制。最后进行了数值仿真,仿真结果表明这两种控制器能够有效地同步统一混沌系统。     

一种自适应鲁棒跟踪模糊控制新算法

针对一类非线性不确定系统 ,在用T S模糊系统对未知聚拢不确定函数进行逼近的基础上 ,利用系统的耗散理论 ,系统地提出了一种自适应鲁棒跟踪模糊控制新算法。该算法基于一个新的Lyapunov函数 ,不仅可以使控制算法避免其它自适应控制算法中时常存在的奇异问题 ,而且还可以使自适应学习参数的数目减至最少 ,便于工程实现 ,并可确保闭环系统渐近稳定 ,系统的跟踪误差为零。经仿真研究表明 ,所提出的算法是有效的     

自适应律修改的间接自适应模糊控制

针对一类不确定非线性系统提出了一种间接自适应模糊控制方法,此方法对模糊逻辑系统中的未知参数设计了一种新的自适应学习律,证明了在此自适应律作用下,不但能使跟踪误差收敛于原点的小邻域内,而且通过适当增大设计参数的值,可使跟踪误差减小。仿真结果验证了此方法的有效性。